智元创新日：从卖机器人到卖Worken

10月19日，工信部在国新办发布会上披露了一组数字：今年上半年，我国人形机器人整机产品已经突破400款，产量超过4万台，全年预计突破10万台。

十天后的10月29日，上海世博中心，智元再次验证了这份行业进度。智元联合创始人、总裁兼CTO彭志辉在2026智元创新日上交出了上半年的成绩单：9月，第20000台机器人正式下线；上半年出货9700台，全球市占率超过43%；公司上半年收入接近20亿元。

放在年初，这样的数字本身就足以撑起一场发布会。但这一次彭志辉把重点放在了后半段。“我们生产了多少台机器人，并不等于真实世界中就多了多少生产力。”

在他看来，这是行业眼下最需要共同解决的难题：规模制造正在快速达成，而稳定上岗的能力还没有被验证。而客户的心态正在从“我愿意尝试你的产品，看你能不能造得出来”，变成“我到底能不能养得起你的产品”。

开机8小时，不等于干了8小时

彭志辉在演讲中提到：过去看一家机器人公司，看的是它能做什么、视频里的动作够不够炫酷；现在客户开始问的是另外三件事：到底能稳定干多少活，能干多好，干这些活要花多少钱。

“一台机器人开机8小时，并不意味着它就创造了8小时的价值。它一次任务成功率很高，也不意味着它能像人一样持续稳定地工作一个月。”究竟如何衡量出机器人给客户创造的价值？为了回答这个问题，智元给造了一个新的标尺——Worken（有效智能工时）。

公式并不复杂：Worken（有效智能工时）＝活跃机器人数量 × 自主工作时长 × 产出效能比。

三个乘数回答的是三个很朴素的问题。“活跃机器人数量”看的是有多少机器人真正在岗，而不是躺在仓库里；“自主工作时长”用来区分一台机器人是被动的工具还是自主的智能体，彭志辉举例说，一台机器人可能看起来很聪明，但每工作10分钟就失误一次、需要人接管一次，那它创造的自主工时依然非常有限；“产出效能比”算的是一笔等效账，“这一台机器干的活抵得上一个人，还是要两台才抵一个，甚至将来一台能顶好几个。”

Worken诞生的意义在于在机器人的制造数量之外，终于出现了一个新的维度可以度量机器人能否自主、持续地完成有价值的工作，以及实际产出多少成果。

发布会现场，彭志辉向我们展示了智元机器人在多个落地场景下所达成的Worken数量，场景囊括龙旗产线上下料、香格里拉酒店服务生、成都宽窄巷子的游客服务、广州地铁安检引导等，其中长隆的文娱表演机器人以33480的Worken领跑所有场景。

彭志辉表示，如果度量搞不清楚，买卖双方就没有办法定价，投入和产出算不清楚，行业也形不成共识。他希望未来对机器人的服务按Worken工时计费，不同智能水平的机器人干不同的任务，费率也不同。

智元合伙人、高级副总裁、通用业务部总裁王闯对这个模式描述地更为细致：以后客户也许不再按天租机器人，而是买一个“生产力套餐包”，预定任务，按消耗的Worken扣费，“给你服务的不是一个机器人，而是所有不同场合下机器人的组合”。

20:1

一台在岗的机器人，其背后要配多少个工程师，之前一直是行业不愿公开的数字。王闯在会后访谈中却坦率表示：“长隆第一批300台机器人进场时，几百台机器就配了几百名工程师，接近一比一。而现在，这个比例降到了三比一，年底我们要做到十比一，明年降到二十比一，远期三十比一。”

人机比降不下来，Worken就算不过来。高级工程师非常稀缺，每个场景都要堆专家的话，本质上是在做单个项目，而不是规模化的生意。王闯表示：“20比1是一个临界点，也就是5%。当一个岗位只需要新增5%的人力预算时，对很多客户来说就是一个可以接受的点。”

撤走运维专家之后，如何保证机器人的稳定运行，是客户们最为关心的问题之一。智元给出的答案是一套自动化的运维体系。专家在总部做远程支持，现场运维人员照着专家做好的模板执行，同时底层是一套一站式运维平台，从参数点检、站点上线、在线管理到问题闭环，四步全部自动化。

智元在龙旗的产线就已经实现了这套体系的接管。这条产线2026年3月规模化投产，到现在稳定运行超过7个月。上半年智元做过一次6天全产线直播，机器人累计作业超过64小时、累计操作64824次，产出17625台平板电脑，成功率99.99%，节拍平均22秒每件，达到了和人类同等水平。而智元的研发型团队早就从龙旗现场撤出来了，基础软件的运维已经完全移交给了龙旗自己的团队。

长隆之所以能成为Worken冠军，与最高的活跃机器人数量有着直接关系，而这个数量的快速增长来自客户的复购率。

长隆的第一批300多台机器人分布在100多个点位，每个点位的任务完全不同：有跟人下三子棋的，有猜拳的，有打乒乓球的，有带着一大群游客讲解的，还有跟小朋友比跨越障碍的。智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁熊彦透露，一个讲解点位很快从一台变成了三台，“当客户发现机器人能很成功地完成一个工作任务时，他就愿意复购。”

目前长隆已经部署了将近500台机器人，国庆长假园区日均接待约1万人次，飞船乐园的客流量提升了将近40%，而年底长隆的机器人会计划增加到1000台。

通用智能与具身智能

至于最近讨论度最高的话题：通用大模型会不会吃掉具身智能？智元联合创始人、联席总裁、具身业务体系总裁姚卯青给出的答案是：不会，至少现在不会。

姚卯青引用英伟达的报告，120项仿真任务里，GPT-6 Astra的平均成功率是66.3%，能力集中在语义理解、动作规划和决策上，“通用模型越强，具身行业的起点会越来越高，这是明确的利好”。但另一方面：Astra的平均推理很慢，单次要18秒多，高动态和精细作业做不准。涉及力触反馈的环节，大模型的成功率基本完全是零，因为先天没有学习过操作能力。

熊彦则从另一个角度解读了具身模型的不可替代性。“一个很简单的动作可能要分钟级推理，调用一次上百美元，进垂域还要微调，链条上训练成本、数据成本、微调成本都很贵。我不相信有人会用5万亿的模型部署在机器人身体上，最终落地还是要考虑现实性”。

在姚卯青看来，通用智能和具身智能的关系更像一个分层架构。通用模型负责System 2层面的长程规划和推理，中间是VLA和世界模型训练出来的一个个技能，作为工具被调用，最底下是100到1000赫兹的实时电机控制，和本体和任务紧紧耦合。反过来，通用模型想在物理世界做到专家级，同样绕不开海量高质量后训练，“不在物理世界里针对具体任务做海量试错，它连Planning那一层都做不好”。

“很多人问我AI要击穿具身了，应该怎么办”演讲最后，姚卯青最后笑着说，“那我们就成为AI那一侧，不要成为被击穿的那一侧。”

只做0到1

智元只做0到1的场景、让伙伴做1到N。这是王闯在访谈中反复讲到的分工，“很多数据我们拿不到，有很多行业Know-how我们也不知道。我们没有必要每一块钱都赚”。

灵渠OS 1.0就是实现这个分工的基座。它是业界首个具身智能原生操作系统，支持15类100多种外设的即插即用，在1000赫兹高频任务下，端到端时延抖动小于4微秒。智元打算在2026年底把它全面开源，把在公司内部经过量产验证的2亿行代码和5000多个生态软件包一并贡献出去。

人机比要从20:1继续压到30:1，光靠智元多招工程师是做不到的，只能靠这些伙伴把一个个非标场景击穿。年初智元发布的伙伴生态也在本次大会上交出了一份成绩单：元苼计划联动255所高校、511家企业、8万多名开发者，今年已投入3亿元以上。王闯表示，生态的魅力是你永远想象不到这些伙伴能带给你多少惊喜。

在彭志辉看来，机器人真正普及的标志是：几乎不需要智元再提供服务。企业可以自己去购买、自己去分发。王闯也表达了相同的观点：就像智能驾驶看接管里程越来越长，机器人要看的是“不用智元服务”的比例越来越大。